人脸检测是确定人脸的位置、大小、位姿的图像处理过程。近年来，在模式识别与计算机视觉领域，已经成为一个受到普遍重视、研究十分活跃的方向。 本文针对复杂背景下的彩色图像，提出了一种包含肤色的多特征信息优化融合的人脸检测算法。该算法是一种层次式、由粗到精的检测方法，按照“分割-搜索”的检测模式，将肤色分割、平均脸模板匹配与神经网络验证结合起来，采取逐步排除的方法，一步一步缩小搜索区域，实现彩色图像中单个或多个正面端正人脸的检测与定位。主要工作如下： 首先，应用YCbCr颜色空间的色度分量，建立肤色分布模型，进行肤色区域的分割。提出了一种基于Fisher评价准则的阈值动态选取算法。即针对每幅图像，可自动优选对应的阈值，完成肤色区域的分割。通过大量数据实验证明，这种分割算法是有效和可靠的。分割后得到的肤色区域和仅利用选定的不变阈值分割方法相比，更加准确。 其次，对所得到的肤色区域进行初步判断、筛选，得到粗检测结果。通过分析分割区域的特征，采用基于面积占有率和基于高宽比的区域优化方法，进一步剔除由于干扰因素造成的似肤色区域和裸漏在外的身体其他部分，优化了候选人脸区域，减少了误分割区域，降低了后端检测算法的复杂度。 最后，对得到的候选人脸区域，使用一种平均脸模板匹配与BP神经网络验证相结合的方法进行检测判断，得到人脸检测的最终结果。 实验结果表明，本算法是有效的，具有较高的检测性能。